219
在企業(yè)、行業(yè)應(yīng)用AI時，我們一般都會說需要具備三大條件：算力、算法、數(shù)據(jù)。而企業(yè)在獲取這三大要素過程中的難題，也被稱為AI的“三座大山”。
但可能很多人不知道，除了“三座大山”之外，還有一個困擾企業(yè)應(yīng)用AI的難題，叫做——知識。我們總是說，AI需要與行業(yè)Know-How結(jié)合，需要與行業(yè)特性相融，需要掌握幫助企業(yè)降本增效的具體方法。這些提法最終都指向AI需要與行業(yè)知識結(jié)合，才能在商業(yè)世界中產(chǎn)生真正的價值。
或許可以說，知識是企業(yè)與AI之間的軸承和連接器，是整個產(chǎn)業(yè)智能化系統(tǒng)中必不可少的一部分。
但也正由于“知識”這個概念的特殊性和差異化，AI與行業(yè)知識結(jié)合是AI產(chǎn)業(yè)化命題中最抽象，也最難標(biāo)準(zhǔn)化的一項。可以說，擺在企業(yè)應(yīng)用AI面前的除了“三座大山”，還有一道“知識之墻”。
近兩年，AI產(chǎn)業(yè)的一大變化就是越來越多的研究力量、產(chǎn)品力量，開始向“知識”這個神秘且復(fù)雜的領(lǐng)域進發(fā)，嘗試在這道AI之墻上打開一扇門。
而如果你對AI感興趣，應(yīng)該會知道其中一個代表性方案：2020年9月，在華為全聯(lián)接2020上，華為云發(fā)布了知識計算解決方案，這被稱為業(yè)界首個全生命周期知識計算解決方案，填補了一片非常重要的產(chǎn)業(yè)空白。
時至如今，知識計算的落地案例不斷豐富，這個產(chǎn)業(yè)方向背后的故事也被更多披露出來。我們希望跟大家一起探索這樣一個故事：面對抽象莫測的知識，繁雜多元的行業(yè)，知識計算究竟是如何聚沙成塔，完成這個特殊領(lǐng)域的產(chǎn)業(yè)落地與標(biāo)準(zhǔn)化方案推出的。
有這么一群人，當(dāng)他們面向AI產(chǎn)業(yè)的“知識之墻”時，沒有選擇嘆息或者回頭，而是要打開一扇門。
知識墻：AI落地的巨大挑戰(zhàn)
從上世紀(jì)70年代專家系統(tǒng)興起以來，AI的商業(yè)化需求始終與行業(yè)知識、專業(yè)知識緊密相連。但直到今天，行業(yè)知識智能化這個根本需求也沒有得到很好滿足。這也直接導(dǎo)致了AI在傳統(tǒng)行業(yè)、實體經(jīng)濟中的滲透率始終難以提升。
事實上，AI與行業(yè)知識的結(jié)合經(jīng)歷了漫長的產(chǎn)業(yè)化探索。從邏輯機到專家系統(tǒng)，再到目前依舊盛行的行業(yè)知識圖譜，種種方案都存在根本性的問題。比如說，傳統(tǒng)的企業(yè)知識圖譜方案缺乏標(biāo)準(zhǔn)化、統(tǒng)一的構(gòu)建流程。每個方案差異化巨大，耗時漫長，并且缺乏可驗證的應(yīng)用價值檢測。企業(yè)既缺乏動力去推動，也很難在長期使用中獲得持續(xù)價值。
另一方面，行業(yè)知識圖譜主要還是以一個數(shù)據(jù)集的方式呈現(xiàn)，價值在于查找答案，但缺乏自動化、智能化的能力去解決問題。企業(yè)真正需要的往往不是去查詢知識，而是讓知識系統(tǒng)給出進一步的運算結(jié)果。這就需要AI+知識系統(tǒng)擁有“可運行”“可計算”的能力。
因此，真正想要讓行業(yè)知識與AI結(jié)合，成為各行業(yè)、企業(yè)能夠普遍應(yīng)用的產(chǎn)業(yè)底座，就需要一套整體的方法、技術(shù)、工具，幫助解決企業(yè)從獲取知識、轉(zhuǎn)化知識、獲得智能化價值的全流程問題。
而這里面就涉及幾個方面的技術(shù)難點。
首先，行業(yè)知識的真正存在形式，是行業(yè)技巧、專家經(jīng)驗，以及大量口傳耳授的心得。這些內(nèi)容之間不一定有著緊密關(guān)聯(lián)，也缺乏統(tǒng)一邏輯。但如果想要讓AI擁有行業(yè)經(jīng)驗，就必須把這些碎片化、非結(jié)構(gòu)化的內(nèi)容轉(zhuǎn)化為數(shù)學(xué)語言，變成AI可以聽懂、能夠踐行的數(shù)據(jù)化路徑。
其次，AI應(yīng)用行業(yè)知識來創(chuàng)造價值本身還是新生事物。這里涉及大量實踐性挑戰(zhàn)，比如模型泛化能力、模型可解釋性等問題。想要在知識領(lǐng)域獲得突破，還需要一系列AI模型本身的優(yōu)化與升級。
此外，AI與行業(yè)知識的結(jié)合落地，還受到行業(yè)場景、組織流程、企業(yè)生產(chǎn)方式等一系列外在的、非技術(shù)因素的條件制約。AI+行業(yè)知識能否落地，很大程度上取決于行業(yè)生態(tài)本身的智能化升級空間與技術(shù)獲取能力。
知識的挑戰(zhàn)、AI的挑戰(zhàn)、行業(yè)的挑戰(zhàn)，三大難題讓這道“知識墻”難以突破。而就是面對這樣一個現(xiàn)狀，華為云的AI人決定試一試。
開門者：推開知識計算的新路
2018年，袁晶博士加入華為云。袁晶博士是一名在AI學(xué)術(shù)界和產(chǎn)業(yè)界的跨界專家，曾在頂級國際期刊會議上發(fā)表80余篇論文，并多次獲得最佳論文獎項。2020年，袁晶博士獲得了ACM SIGSPATIAL十年影響力論文榮譽獎；2021年，他獲得了SIGKDD China 時間驗證獎(Test of Time Award)。
在云計算產(chǎn)業(yè)中，華為云有一個鮮明的標(biāo)簽，就是一手抓新技術(shù)，一手抓商業(yè)落地。以二者之間的強聯(lián)接作為一大產(chǎn)業(yè)特色，這也是華為云吸引袁晶博士的一個特點。
來到華為云之后，袁晶博士同時負責(zé)AI算法、技術(shù)研究創(chuàng)新團隊和AI面向行業(yè)的產(chǎn)品商業(yè)化團隊，這讓他和他的團隊有意識地去審視行業(yè)真正需要的是什么，從而全流程參與AI技術(shù)的落地閉環(huán)。
就是這樣一個具有突破以往領(lǐng)域限制的自由度，讓袁晶博士團隊看到了行業(yè)知識與AI結(jié)合的必要性與緊迫性。相比于傳統(tǒng)的行業(yè)知識突破、數(shù)據(jù)獲取等碎片化服務(wù)，團隊認為當(dāng)務(wù)之急是構(gòu)建整體性的、囊括一系列工具與能力、能夠?qū)崿F(xiàn)全周期行業(yè)知識與AI結(jié)合的方案。
在這一過程中，袁晶博士與團隊在NLP、多模態(tài)等領(lǐng)域的前沿技術(shù)視野與能力成為關(guān)鍵推力之一，構(gòu)成了“AI+行業(yè)知識”中“AI技術(shù)”的那一面。例如在2021年，袁晶博士團隊就有多篇論文被ACL 2021，CVPR2021等頂會接收，并且獲得CCKS篇章級事件抽取技術(shù)評測冠軍、國際權(quán)威WSDM CUP大賽金牌等。
另一方面，華為云已經(jīng)在多個行業(yè)中實踐了超過600個AI項目，從而積累了大量的行業(yè)需求、行業(yè)經(jīng)驗，這些實踐經(jīng)驗構(gòu)成了“知識”的那一面。
“AI技術(shù)”和“知識”二者相遇，讓華為云有了推動一個全新方向的可能性。雖然前途依舊充滿挑戰(zhàn)，但至少有了打破僵局的機會。
一系列的研發(fā)、產(chǎn)品化與行業(yè)融合實踐之后，“知識計算”解決方案終于在2020年正式發(fā)布，共包括四個方面的技術(shù)能力與產(chǎn)品服務(wù)：
首先是知識獲取，通過對多模態(tài)的行業(yè)知識，比如生產(chǎn)系統(tǒng)中的機理模型、專家經(jīng)驗進行解析和處理，完成由現(xiàn)實經(jīng)驗向數(shù)學(xué)模型轉(zhuǎn)化的第一步。
之后是知識建模，根據(jù)業(yè)務(wù)場景的具體需求，向客戶提供方便快捷的知識建模工具，比如流水線式的自動化知識圖譜，極大縮短行業(yè)知識圖譜的構(gòu)建時間，并且實現(xiàn)圖譜的自動更新。
繼而是知識管理，讓用戶獲得行業(yè)知識的存儲和高性能查詢能力，并且實現(xiàn)自動化更新、沖突管理等功能。
最后在知識應(yīng)用層面，華為云可以提供知識搜索、可視化分析、知識推薦等基礎(chǔ)能力，以及智能對話、預(yù)測分析、知識推理等高級能力。這些能力接口將華為云多元化的技術(shù)向企業(yè)開放，突破了企業(yè)應(yīng)用知識的最后一公里。
我們可以發(fā)現(xiàn)，袁晶博士在華為云推動的全新方向——知識計算，并不是一項單一產(chǎn)品或服務(wù)，而是一個關(guān)于全生命周期完成AI與行業(yè)知識融合的理念、方法，以及由此產(chǎn)生的一系列工具、能力。這些理念、能力、工具與具體行業(yè)、具體案例進行結(jié)合，獲得了各行業(yè)客戶、合作伙伴的深度共建，最終才凝結(jié)出全周期、可生長、具有行業(yè)特性的華為云知識計算解決方案。
在知識計算筑造和推廣的過程中，相關(guān)團隊非常重視其在不同行業(yè)、不同場景中的差異化表現(xiàn)與能力局限。只有承認行業(yè)差異，才能尊重行業(yè)知識，逐個攻破行業(yè)應(yīng)用AI的挑戰(zhàn)。
或許可以說，知識計算并不是一條捷徑，而是一個AI落地趨勢下的必經(jīng)之路。這條路雖然并不好走，但總算是已經(jīng)有了“開門人”。
沖鋒時：面向行業(yè)，AI突圍
或許，知識計算的價值聽起來會感覺有點過分抽象和模糊。這是因為整套解決方案涉及的技術(shù)領(lǐng)域眾多，總結(jié)起來較為理論化。確實，想要理解知識計算的價值，只有進入行業(yè)場景中這一個選擇。因為知識計算本就是為行業(yè)而生，也應(yīng)該在行業(yè)中進行理解。
例如，在石油勘探的一個重要環(huán)節(jié)“測井”中，地球物理學(xué)家需通過對電阻率、自然電位、聲波等綜合信息的研究進行油氣層識別。但要對數(shù)千米以下的地下構(gòu)造和油藏特征進行準(zhǔn)確判斷還是非常困難的，這需要對大量信息的綜合計算，還需要經(jīng)驗豐富的專家準(zhǔn)確分析才能做到。
以往時候，可能需要好幾個老專家?guī)讉€月時間完成的測井解釋工作，在知識計算幫助下可以在不到一星期內(nèi)完成，而且油氣層識別準(zhǔn)確率達到了專家的水平。這就是知識計算的必要性，它將專家的碎片化、經(jīng)驗化知識轉(zhuǎn)化為可計算的模型，并將其遷移到更多工作的智能化處理中。目前，中石油集團已經(jīng)基于華為云知識計算打造了全球首個油氣領(lǐng)域人工智能平臺，為我國油氣行業(yè)的創(chuàng)新發(fā)展提供了智能化的驅(qū)動引擎和開發(fā)生態(tài)。
當(dāng)然，在探索石油測井解釋的知識計算解決方案時，團隊也經(jīng)歷了不少交流中的磨合期。比如在華為云的AI專家給石油專家講解知識圖譜時，很自然地會舉一個在知識圖譜領(lǐng)域常用的例子：比如“劉德華”作為一個“實體”、他的妻子是“朱麗倩”、他們建立了“夫妻”的“關(guān)系”。但油氣領(lǐng)域的專家卻對明星的例子非常不解——他們面對的是地層、油井這些數(shù)據(jù)，娛樂圈的例子好像和油氣一點關(guān)系都沒有。但也正是在這種從不解到了解、相互磨合和溝通的過程中，知識計算逐漸真正與行業(yè)結(jié)合了起來。
在知識計算的發(fā)展歷程中，華為云知識計算團隊真實意識到了各行業(yè)對相關(guān)能力的遠見和渴求。在一些必然磨合之上，是華為云與行業(yè)客戶之間對于知識計算的高度認同與惺惺相惜。在疫情爆發(fā)之后，袁晶團隊與浙江大學(xué)計算機學(xué)院、浙江大學(xué)藥學(xué)院的師生建立了聯(lián)系和合作。在第一次線上溝通中就一拍即合，決定圍繞病毒、基因、蛋白等已有知識庫和科研文獻構(gòu)建新冠科研領(lǐng)域知識圖譜，用來幫助相關(guān)專家提升病毒家族數(shù)據(jù)分析、基因蛋白等分析的效率。在疫情疾風(fēng)暴雨一般襲來時，華為云的AI專家與高校專家第一時間投身到了智能抗疫的前線。這可能是知識計算值得被記憶的另一面。
真正身在一線的企業(yè)，對知識計算的價值敏感性往往遠超于大眾想象。2020年，袁晶博士團隊的一位成員在HDC.Cloud大會期間做了一個企業(yè)知識圖譜的直播內(nèi)容，同時發(fā)布了一篇技術(shù)文章。這篇文章被一汽集團董事長看到，馬上指示信息技術(shù)人員與團隊進行深入交流。通過線上、現(xiàn)場的多次溝通，最終孵化了一汽的知識計算智能維修項目，為上千維修技師提供智能化的維修助手，極大提升維修技師在定位問題和解決問題上的效率。通過使用一汽知識計算平臺，一汽紅旗某4S店的一次性修復(fù)率提升了4%，客戶維修等待時間下降了23%，廠家支持介入率下降了30%，維修技師的培養(yǎng)時間縮短了30%，為汽車維修帶來了全方位的價值提升。
各個行業(yè)、各個企業(yè)都可以基于華為云知識計算解決方案，打造屬于自己的知識計算平臺，并將知識計算能力應(yīng)用于研發(fā)、生產(chǎn)、運營、銷售、售后服務(wù)等企業(yè)核心流程。在煤炭行業(yè)，河南鑫磊集團采用華為云知識計算解決方案后，煉焦業(yè)務(wù)實現(xiàn)了“降本提質(zhì)”的雙重效果：生產(chǎn)效率方面，傳統(tǒng)方式原料煤質(zhì)量檢測需要1天以上，現(xiàn)在配煤師只需要將配比輸入系統(tǒng)就會準(zhǔn)確預(yù)測焦炭指標(biāo)，預(yù)測準(zhǔn)確率都在95%以上；經(jīng)濟效益方面，以河南鑫磊集團每年130萬噸的產(chǎn)量來推算，每年至少可節(jié)省成本約3000萬。
AI賦能千行百業(yè)
在交通行業(yè)，交通管理部門可以運用知識計算解決方案，完成城市路口和區(qū)域的通行優(yōu)化。目前，該方案已在深圳300多個路口進行了驗證，擁堵指數(shù)下降了8%。未來，知識計算將進一步運用到道路、機場、地鐵等立體化的交通治理。
在政務(wù)領(lǐng)域，知識計算解決方案能夠協(xié)助政府實現(xiàn)事件預(yù)警、處置措施推薦等功能。如此前在某城市12345熱線感知系統(tǒng)中，A通過熱線投訴小區(qū)鄰居噪音擾民問題，B在同一小區(qū)投訴小區(qū)垃圾比較多，這看似沒有關(guān)聯(lián)的兩個問題，用知識計算引擎去分析問題產(chǎn)生的根因，發(fā)現(xiàn)其實關(guān)鍵問題是這個區(qū)域有典型的群租現(xiàn)象，再通過智能分撥關(guān)聯(lián)相關(guān)處理部門，利用機器人引擎推進流程和運轉(zhuǎn)，通過數(shù)據(jù)分析研判、人機協(xié)同處置的閉環(huán)全流程，將“問題解決在開口之前”，極大提升政務(wù)服務(wù)滿意度。
石油、汽車、醫(yī)療、化纖、煤焦化、鋼鐵、交通，政務(wù)…種種事關(guān)國計民生的重點行業(yè)，都可以看到知識計算的落地案例、發(fā)展趨勢與價值突圍。在AI與知識的深入融合中，行業(yè)可以真正面向AI時代發(fā)起沖鋒。
而這些可能性的開始，在于知識計算這扇大門的推開。這扇門，并不僅僅是一種技術(shù)創(chuàng)新或者產(chǎn)品打造，而是一種方向和銜接。它把廣泛存在的行業(yè)知識智能化需求與AI執(zhí)行力聯(lián)接到一起，不再讓行業(yè)面對智能化時感覺茫然無措或者與我無關(guān)。
袁晶博士一直強調(diào)，知識計算是理念，是方法，是一系列像樂高積木一樣的工具。這些樂高確實需要企業(yè)用戶自己拼裝，但零件、規(guī)則和方法都已具備。企業(yè)可以用最大的效率、最簡單的方式完成適合自己的組裝，把知識變成智能時代的生產(chǎn)力。
對于AI產(chǎn)業(yè)來說，知識計算是一扇全新的探索之門；但對于無數(shù)行業(yè)、無數(shù)企業(yè)來說，每個知識計算解決方案都是一扇獨一無二的門。推開它，也許就是新的時代。
據(jù)悉，今年11月11-12日在杭州舉辦的AIIA產(chǎn)業(yè)峰會中，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟、華為、中國信息通信研究院三方將聯(lián)合發(fā)布知識計算白皮書。屆時學(xué)界和產(chǎn)業(yè)界大咖將齊聚一堂，共話知識計算如何賦能新一代人工智能與企業(yè)生產(chǎn)領(lǐng)域、流程環(huán)節(jié)深度融合，引領(lǐng)產(chǎn)業(yè)向價值鏈高端邁進，加速推進行業(yè)智能化升級。
